MarkItDown
La capa de análisis poco glamorosa que decide si tu RAG funciona en absoluto.
MarkItDown convierte PDF, PowerPoint, Word, Excel, imágenes, audio, HTML y archivos comprimidos en Markdown que un modelo puede leer realmente. Conserva la estructura de tablas y la jerarquía de títulos en lugar de aplanar todo en un muro de texto, que es precisamente donde la mayoría de las tuberías RAG pierden la información que necesitan. Es una biblioteca y una interfaz de línea de comandos, por lo que se integra en un trabajo de ingesta sin necesidad de una decisión arquitectónica.
Ideal para: La etapa de ingesta de cualquier sistema RAG que trabaje con documentos de oficina reales
Despliegue: Autoalojable
Manual de RAG en producción
Estrategias de chunking, configuraciones de reranking, arneses de evaluación y los siete modos de fallo que matan cualquier demo de RAG en la tercera semana.